大數(shù)據(jù)財(cái)務(wù)分析——基于Python(智能財(cái)會(huì)叢書(shū))
定 價(jià):55 元
叢書(shū)名:智能財(cái)會(huì)叢書(shū)
- 作者:張敏 王宇韜
- 出版時(shí)間:2022/6/1
- ISBN:9787300303864
- 出 版 社:中國(guó)人民大學(xué)出版社
- 中圖法分類(lèi):F275.2
- 頁(yè)碼:404
- 紙張:
- 版次:1
- 開(kāi)本:16
本教材最大的特點(diǎn)是將Python基礎(chǔ)知識(shí)與財(cái)務(wù)分析知識(shí)進(jìn)行了融合,在財(cái)務(wù)分析場(chǎng)景中學(xué)習(xí)Python,在Python學(xué)習(xí)中實(shí)現(xiàn)財(cái)務(wù)分析的自動(dòng)化與智能化,從而避免財(cái)務(wù)專(zhuān)業(yè)背景的讀者在學(xué)習(xí)Python時(shí)由于目標(biāo)不明確導(dǎo)致學(xué)習(xí)動(dòng)力不足、學(xué)習(xí)效率低等問(wèn)題。通過(guò)本書(shū)的學(xué)習(xí),讀者可以掌握Python基礎(chǔ)知識(shí),初步具備利用Python進(jìn)行高質(zhì)量財(cái)務(wù)分析的能力。
本書(shū)共分為3篇13章。第1篇“Pyhon技術(shù)基礎(chǔ)與財(cái)務(wù)數(shù)據(jù)獲取”包括2章,介紹Python基礎(chǔ)知識(shí)與通過(guò)Tushare數(shù)據(jù)接口快速獲取財(cái)務(wù)數(shù)據(jù);第2篇“Python數(shù)據(jù)分析技術(shù)與財(cái)務(wù)分析實(shí)戰(zhàn)”包括8章,首先介紹Pandas庫(kù)財(cái)務(wù)數(shù)據(jù)分析基礎(chǔ)、Matplotlib庫(kù)財(cái)務(wù)可視化基礎(chǔ),其次介紹如何利用Python進(jìn)行財(cái)務(wù)靜態(tài)分析、財(cái)務(wù)趨勢(shì)分析、財(cái)務(wù)同業(yè)比較分析、現(xiàn)金流量表進(jìn)階分析、杜邦分析、批量篩選優(yōu)質(zhì)上市公司等;第3篇“機(jī)器學(xué)習(xí)技術(shù)與財(cái)務(wù)分析實(shí)戰(zhàn)”包括3章,介紹線(xiàn)性回歸模型與財(cái)務(wù)分析、決策樹(shù)模型與集成學(xué)習(xí)模型在財(cái)務(wù)舞弊預(yù)測(cè)中的應(yīng)用。
本書(shū)可作為高校財(cái)務(wù)管理學(xué)、會(huì)計(jì)學(xué)、審計(jì)學(xué)、管理學(xué)等專(zhuān)業(yè)本科生與研究生的Python基礎(chǔ)、大數(shù)據(jù)財(cái)務(wù)分析等課程的教材,也可作為對(duì)財(cái)務(wù)數(shù)智化轉(zhuǎn)型感興趣的其他讀者的參考書(shū)。
教輔資源:PPT、完整的源代碼文件等。
張 敏 中國(guó)人民大學(xué)商學(xué)院教授、博士生導(dǎo)師、會(huì)計(jì)系主任,中國(guó)人民大學(xué)“杰出青年學(xué)者”,中國(guó)審計(jì)學(xué)會(huì)審計(jì)教育分會(huì)理事,入選財(cái)政部全國(guó)會(huì)計(jì)領(lǐng)軍(后備)人才(學(xué)術(shù)類(lèi))”。
目前主要研究智能財(cái)務(wù)與大數(shù)據(jù)審計(jì)。在國(guó)內(nèi)外核心期刊發(fā)表論文70余篇,出版著作6部。擔(dān)任10余本國(guó)內(nèi)外核心期刊匿名審稿人。主持國(guó)家自然科學(xué)基金項(xiàng)目2項(xiàng);主持教育部人文社會(huì)科學(xué)研究項(xiàng)目1項(xiàng)。曾獲中國(guó)人民大學(xué)商學(xué)院最佳研究生教師獎(jiǎng)、中國(guó)人民大學(xué)教學(xué)優(yōu)秀獎(jiǎng)、全國(guó)優(yōu)秀博士學(xué)位論文提名獎(jiǎng)、中國(guó)人民大學(xué)優(yōu)秀博士學(xué)位論文獎(jiǎng)、北京大學(xué)優(yōu)秀博士后等獎(jiǎng)勵(lì)。擔(dān)任比亞迪、國(guó)投資本等公司獨(dú)立董事。
王宇韜 CFA,F(xiàn)RM,AQF,華能信托金融科技實(shí)驗(yàn)室發(fā)起人,中國(guó)人民大學(xué)商學(xué)院“Python金融”課程授課導(dǎo)師。
出版《Python金融大數(shù)據(jù)挖掘與分析全流程詳解》《Python大數(shù)據(jù)分析與機(jī)器學(xué)習(xí)商業(yè)案例實(shí)戰(zhàn)》等圖書(shū)。主講的“Python金融”課程同時(shí)被學(xué)習(xí)強(qiáng)國(guó)、中國(guó)人民銀行在線(xiàn)學(xué)習(xí)平臺(tái)收錄,累計(jì)為公司申請(qǐng)6項(xiàng)金融科技相關(guān)知識(shí)產(chǎn)權(quán)。
第1篇 Python技術(shù)基礎(chǔ)與財(cái)務(wù)數(shù)據(jù)獲取
第1章 Python基礎(chǔ)快速入門(mén)
1.1 Python安裝與第一個(gè) Python程序
1.2 Python基礎(chǔ)知識(shí)
1.3 Python語(yǔ)句
1.4 函數(shù)與模塊
第2章 通過(guò)Tushare數(shù)據(jù)接口快速獲取財(cái)務(wù)數(shù)據(jù)
2.1 Tushare基本介紹
2.2 通過(guò) Tushare數(shù)據(jù)接口獲取財(cái)務(wù)數(shù)據(jù)
2.3 通過(guò) Tushare數(shù)據(jù)接口獲取股票行情等其他數(shù)據(jù)
第2篇 Python數(shù)據(jù)分析技術(shù)與財(cái)務(wù)分析實(shí)戰(zhàn)
第3章 財(cái)務(wù)數(shù)據(jù)分析利器——Pandas庫(kù)
3.1 DataFrame的創(chuàng)建
3.2 文件的讀取和寫(xiě)入
3.3 數(shù)據(jù)讀取與篩選
3.4 數(shù)據(jù)表拼接
3.5 案例實(shí)戰(zhàn):財(cái)務(wù)數(shù)據(jù)處理
3.6 案例實(shí)戰(zhàn):財(cái)務(wù)數(shù)據(jù)獲取進(jìn)階
第4章 財(cái)務(wù)可視化基礎(chǔ)——Matplotlib庫(kù)
4.1 Matplotlib基本圖形繪制
4.2 Matplotlib可視化小技巧
4.3 案例實(shí)戰(zhàn):Matplotlib財(cái)務(wù)可視化
第5章 財(cái)務(wù)靜態(tài)分析
5.1 盈利能力指標(biāo)
5.2 營(yíng)運(yùn)能力指標(biāo)
5.3 償債能力指標(biāo)
5.4 成長(zhǎng)能力指標(biāo)
5.5 綜合案例
第6章 財(cái)務(wù)趨勢(shì)分析
6.1 盈利能力分析
6.2 營(yíng)運(yùn)能力分析
6.3 償債能力分析
6.4 成長(zhǎng)能力分析
6.5 趨勢(shì)分析綜合評(píng)分
第7章 財(cái)務(wù)同業(yè)比較分析
7.1 盈利能力比較
7.2 營(yíng)運(yùn)能力比較
7.3 償債能力比較
7.4 成長(zhǎng)能力比較
7.5 同業(yè)分析綜合評(píng)分
第8章 現(xiàn)金流量表進(jìn)階分析
8.1 指標(biāo)1:經(jīng)營(yíng)活動(dòng)產(chǎn)生的現(xiàn)金流量?jī)纛~/凈利潤(rùn)
8.2 指標(biāo)2:銷(xiāo)售商品、提供勞務(wù)收到的現(xiàn)金/營(yíng)業(yè)收入
8.3 指標(biāo)3:期末現(xiàn)金及現(xiàn)金等價(jià)物余額>有息負(fù)債 (應(yīng)付債券+短期
借款+長(zhǎng)期借款)
8.4 指標(biāo)4:自由現(xiàn)金流
8.5 指標(biāo)5:現(xiàn)金流畫(huà)像
8.6 行業(yè)橫向?qū)Ρ?
第9章 杜邦分析
9.1 杜邦分析法介紹
9.2 利用杜邦分析法進(jìn)行公司基本面分析
9.3 杜邦分析法反映的三種業(yè)績(jī)驅(qū)動(dòng)模式
第10章 批量篩選優(yōu)質(zhì)上市公司
10.1 指標(biāo)體系
10.2 標(biāo)準(zhǔn)維度
10.3 案例實(shí)戰(zhàn)
第3篇 機(jī)器學(xué)習(xí)技術(shù)與財(cái)務(wù)分析實(shí)戰(zhàn)
第11章 線(xiàn)性回歸模型+財(cái)務(wù)會(huì)計(jì)案例實(shí)戰(zhàn)
11.1 一元線(xiàn)性回歸模型
11.2 線(xiàn)性回歸模型評(píng)估
11.3 多元線(xiàn)性回歸模型
第12章 決策樹(shù)模型+財(cái)務(wù)舞弊模型構(gòu)建
12.1 決策樹(shù)模型的基本原理
12.2 案例實(shí)戰(zhàn):財(cái)務(wù)舞弊預(yù)測(cè)模型
12.3 模型的參數(shù)調(diào)優(yōu)
第13章 集成學(xué)習(xí)模型+財(cái)務(wù)舞弊預(yù)測(cè)
13.1 隨機(jī)森林模型的基本原理和代碼實(shí)現(xiàn)
13.2 GBDT 算法原理
13.3 XGBoost算法原理
13.4 案例實(shí)戰(zhàn):基于集成學(xué)習(xí)模型的財(cái)務(wù)舞弊模型